影像分割的目標(biāo)和地物提取技術(shù)研究范文

本站小編為你精心準(zhǔn)備了影像分割的目標(biāo)和地物提取技術(shù)研究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

摘要：遙感技術(shù)和方法經(jīng)過(guò)近幾十年發(fā)展已經(jīng)逐漸成熟，廣泛用于資源，環(huán)境監(jiān)測(cè)，地形測(cè)繪等領(lǐng)域。但就中高分辨率遙感數(shù)據(jù)地物提取和識(shí)別自動(dòng)化來(lái)說(shuō)，仍然是個(gè)難點(diǎn)。本文借鑒了計(jì)算機(jī)圖形識(shí)別領(lǐng)域的目標(biāo)識(shí)別技術(shù)，探討提高目標(biāo)識(shí)別和地物提取自動(dòng)化的可行性、方法，并結(jié)合資源3號(hào)衛(wèi)星做出了一些探索。

關(guān)鍵詞：影像分割；知識(shí)庫(kù)；地物提取

1引言

地面遙感是通過(guò)地表輻射來(lái)獲得地表的光譜特性從而確定地表類型，傳統(tǒng)分類技術(shù)正是基于這一點(diǎn)，用統(tǒng)計(jì)方法或機(jī)器推理(如神經(jīng)元)來(lái)確定每一個(gè)像素的分類特征。在低分辨率的影像上，通過(guò)分類特征能確定大的地表覆蓋單元，如區(qū)分水體和植被、識(shí)別大的地塊類型以及其它宏觀的特征和趨勢(shì)。在中高分辨率的情況下，要求提取的地表特征更加細(xì)致，地表的特征更加復(fù)雜，各種地表特征摻雜在一起，如在植被中間中有裸地、道路被植被覆蓋不完整等等。理想情況即使能夠準(zhǔn)確地判別每個(gè)像素的地表覆蓋特征，還是難以完整地提取地物，特別是識(shí)別地物的邊界。一般情況下，這些方法通過(guò)空間鄰域上的Majority算法進(jìn)行綜合，試圖解決其無(wú)法考慮像素與周邊的關(guān)系的缺陷，但其效果仍然差強(qiáng)人意，難以進(jìn)行目標(biāo)的有效分割和判別。

2解決方案

隨著計(jì)算機(jī)和人工智能技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)(ComputerVision)成為一個(gè)相當(dāng)活躍的領(lǐng)域，其中圖像分割(ImageSegmentation)是計(jì)算機(jī)視覺(jué)的關(guān)鍵技術(shù)和挑戰(zhàn)。根據(jù)格式塔(Gestalt)學(xué)派對(duì)人的心理活動(dòng)研究(如Wertheimer，1938)，人的視覺(jué)感知很大程度依賴于對(duì)形狀的組合能力，通過(guò)掃描和感知圖像邊界和紋理進(jìn)行組合，以對(duì)目標(biāo)進(jìn)行提取和識(shí)別。在這種思路下MIT人工智能實(shí)驗(yàn)室提出了一種基于相鄰像素的差異關(guān)系的高效能反映圖像全局特性的圖像分割算法。其特性是將分割的結(jié)果定義為在分塊內(nèi)部的相鄰像素的差異要小于邊界像素和別的分塊的差異，同時(shí)分塊內(nèi)部沒(méi)有一條聯(lián)系的通路分割后滿足第一條特性。

3實(shí)現(xiàn)步驟

3.1遙感影像上分割算法的采用

對(duì)比自然環(huán)境下的照片，遙感影像上的紋理要復(fù)雜得多。本研究中采用的是資三影像，包含三個(gè)可見(jiàn)光波段和一個(gè)紅外波段。通過(guò)采用[1]中的算法，發(fā)現(xiàn)信息密度低，解像度好，能夠得到比較好的效果，而有建成區(qū)的地區(qū)，分割結(jié)果非常細(xì)碎。為了得到更好的效果不得不提高容差，但是發(fā)現(xiàn)線性目標(biāo)的可識(shí)別度降低了，出現(xiàn)了線性地物和地塊融合到一起的現(xiàn)象。反觀[1]中的算法，發(fā)現(xiàn)其很容易因?yàn)樵趦蓚€(gè)地物相鄰部分局部差異太小而無(wú)法提取，雖然符合理論上的理想分割，但在實(shí)際效果中產(chǎn)生過(guò)度的合并。在這項(xiàng)研究中，我們對(duì)原有的算法進(jìn)行了改良，提出了理想分割和實(shí)際分割的概念，在相鄰區(qū)域理論上需要合并時(shí)（理想分割），并不馬上進(jìn)行合并，而是對(duì)區(qū)域合并進(jìn)行“投票”，直到其中的一個(gè)區(qū)域需要理論上和其他區(qū)合并時(shí)，再根據(jù)投票結(jié)果決定是否先對(duì)這兩個(gè)區(qū)域進(jìn)行合并(實(shí)際分割)。經(jīng)過(guò)改良后，區(qū)域的綜合度和線性地物的可識(shí)別度大大提高，線性地物得到完整保留。

3.2光譜的統(tǒng)計(jì)和分類

通過(guò)以上工作，影像被分割成一個(gè)一個(gè)區(qū)域，但識(shí)別其地表覆蓋類型，還是要通過(guò)光譜特征來(lái)確定。一個(gè)區(qū)域作為整體來(lái)說(shuō)光譜特征就是平均值、方差、協(xié)方差。對(duì)資三影像來(lái)說(shuō)統(tǒng)計(jì)值包含：均值：(𝑀𝑟,𝑀𝑔,𝑀𝑏,𝑀𝑖)均方差：(𝜕𝑟,𝜕𝑔,𝜕𝑏,𝜕𝑖)協(xié)方差：(𝜕𝑔𝑟,∂br,∂bg𝜕𝑖𝑟,∂ig,𝜕𝑖𝑏)其中均值反映各個(gè)通道的平均反射率，而均方差一定程度反映了其內(nèi)部的噪聲，而協(xié)方差反映的是各個(gè)通道的相關(guān)性。

3.3區(qū)域矢量化和幾何特性統(tǒng)計(jì)

光譜特性只能反映出地表覆蓋特性，在中高分辨率影像上要識(shí)別地物還需要根據(jù)形狀來(lái)判斷。首先要把區(qū)域轉(zhuǎn)換成多邊形，并對(duì)多邊形進(jìn)行特征統(tǒng)計(jì)，包括：幾何面積、形狀寬度和扁率、邊界規(guī)則度。在光譜特性上是不一樣的。形狀扁率/寬度代表了地物在形狀上的“細(xì)長(zhǎng)度”和寬度，但比較抽象難以定量。我們可以假想地物是長(zhǎng)方形，通過(guò)這個(gè)假設(shè)來(lái)定量描述這兩個(gè)參數(shù)：假設(shè)長(zhǎng)方形為𝑊×𝐻，W為寬度，H為高度：𝐴=𝑊×𝐻，𝑃⁄2=𝑊+𝐻,其中A為面積，P為周長(zhǎng)。我們知道任何多邊形都可以計(jì)算出周長(zhǎng)和面積，在已知周長(zhǎng)和面積的情況下：𝐴=𝑊×(𝑃⁄2−𝑊)，𝑊×𝑊−𝑊×𝑃⁄2−𝐴=0。顯然這是一個(gè)一元二次方程，有固定的解，取其中符合𝑊<𝐻的解，可以得出W和H的值，這樣我們可以得到扁率。邊界規(guī)則度可以每個(gè)結(jié)點(diǎn)上的夾角的和0/90/180/270度這些規(guī)則角度的偏離度來(lái)得到一個(gè)中誤差。

3.4知識(shí)庫(kù)和判別

對(duì)地物光譜特性和幾何特性很難定量描述，特別是不同季節(jié)和不同地區(qū)的影像，其特性不一樣，這樣需要引入訓(xùn)練機(jī)制，通過(guò)已知地物的特性來(lái)推斷未知地物類型。同樣由于地物在各種情況下特性的不可知性，我們采用類似頻譜分析的方法，知識(shí)庫(kù)中存儲(chǔ)各種地表覆蓋光譜指標(biāo)和地物幾何特性指標(biāo)在一維數(shù)軸上的概率。需要判別的地物特性和這些概率進(jìn)行比較，以得出其中的某個(gè)指標(biāo)是這類地物的概率，這些概率相乘，得出最可能的地物類型。這樣做的好處是，即使某一地物在其中某些參數(shù)上有完全不同的多個(gè)聚集度，仍然能得到較高的判別度，所以對(duì)分類的方法不是特別嚴(yán)格。對(duì)于一個(gè)特定的特征指標(biāo)(如評(píng)價(jià)值、方差)采用高斯函數(shù)來(lái)確定匹配度，而對(duì)一個(gè)對(duì)象的指標(biāo)分布(如上節(jié)提到的一個(gè)多邊形上頂點(diǎn)夾角分布)通過(guò)頻譜的相似度來(lái)判別。地物的各個(gè)指標(biāo)判別值相乘，就可以獲得這個(gè)地物和知識(shí)庫(kù)中的地物類型的匹配度：𝑃𝑐=𝑃I0×𝑃𝐼1⋯×𝑃𝐼n，地物識(shí)別變成找到最大的匹配度的地物類型：𝑃𝑚=MAX(𝑃𝑐1,𝑃𝑐2,⋯)，當(dāng)𝑃𝑚=𝑃𝑐時(shí)，可以確定𝑚=𝑐。

4地物提取效果

將軟件自動(dòng)提取地物和人工繪制地物進(jìn)行對(duì)比，得到了下面結(jié)果：道路提取正確率的平均值為63.22%；水系邊線提取正確率的平均值為79.01%；房屋邊線提取正確率的平均值為62.87%。5結(jié)束語(yǔ)就本研究所采用的資三數(shù)據(jù)來(lái)說(shuō)，三個(gè)可見(jiàn)光波段相關(guān)性比較大，僅采用可見(jiàn)光波段分割效果不是太好，即使通過(guò)主成分分析也不會(huì)得到很好效果。而紅外波段和可見(jiàn)光波段相關(guān)性很小，特別是采用了NDVI增強(qiáng)并參與分割后，效果大大加強(qiáng)。對(duì)于城市地區(qū)來(lái)說(shuō)，要有效地利用資三數(shù)據(jù)提取線性地物有較大難度。但有紅外輔助能得到與可見(jiàn)光相比較好的效果。由于時(shí)間原因，本研究沒(méi)有采用更多的影像進(jìn)行試驗(yàn)，進(jìn)一步研究可以結(jié)合區(qū)域內(nèi)部紋理（基于紋理基元與顏色的室外自然場(chǎng)景分類）提高地表和地物的辨識(shí)度。通過(guò)此項(xiàng)研究希望能大大推動(dòng)中高分辨率遙感在資源調(diào)查和變化檢測(cè)上的應(yīng)用，希望能成為以后中高分辨率遙感技術(shù)的一個(gè)方向。

作者:王亞平 馮偉 單位:陜西天潤(rùn)科技股份有限公司